用于高分辨率图像运动去模糊的高效Transformer
计算机视觉与模式识别
2025-01-31 v1 人工智能
摘要
本文对Restormer架构在高分辨率图像运动去模糊中的应用进行了全面研究和改进。我们引入了架构修改，通过优化的注意力机制将模型复杂度降低了18.4%，同时保持或提升了性能。我们增强的训练流程包含了额外的变换，包括颜色抖动、高斯模糊和透视变换，以提高模型鲁棒性，以及一个新的频率损失项。在RealBlur-R、RealBlur-J和超高清运动模糊(UHDM)数据集上的大量实验证明了我们方法的有效性。改进后的架构表现出更好的收敛行为和更短的训练时间，同时在具有挑战性的场景中保持了有竞争力的性能。我们还提供了详细的消融研究，分析了我们的修改对模型行为和性能的影响。我们的结果表明，深思熟虑的架构简化与增强的训练策略相结合，可以产生更高效但同样有能力的运动去模糊模型。代码和数据见：https://github.com/hamzafer/image-deblurring
引用
@article{arxiv.2501.18403,
title = {Efficient Transformer for High Resolution Image Motion Deblurring},
author = {Amanturdieva Akmaral and Muhammad Hamza Zafar},
journal= {arXiv preprint arXiv:2501.18403},
year = {2025}
}
备注
14 pages, 18 figures Submitted as a preprint, no prior journal/conference submission